Información del autor
Autor Stilo, Giovanni |
Documentos disponibles escritos por este autor (2)
Crear una solicitud de compra Refinar búsquedaAdvances in Bias and Fairness in Information Retrieval / Boratto, Ludovico ; Faralli, Stefano ; Marras, Mirko ; Stilo, Giovanni
TÃtulo : Advances in Bias and Fairness in Information Retrieval : Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, Lucca, Italy, April 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 171 p. 40 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-78818-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Gestión de base de datos Sistema de administración de base de datos Clasificación: 005.7 Resumen: Este libro constituye una acta arbitrada del Segundo Taller Internacional sobre Sesgo AlgorÃtmico en Búsqueda y Recomendación, BIAS 2021, celebrado en abril de 2021. Debido a la pandemia de COVID-19, BIAS 2021 se llevó a cabo de forma virtual. Los 11 artÃculos completos y 3 artÃculos breves fueron cuidadosamente revisados ​​y seleccionados entre 37 presentaciones. Los artÃculos cubren temas que van desde la búsqueda y recomendación en citas en lÃnea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Towards Fairness-Aware Ranking by Defining Latent Groups Using Inferred Features -- Media Bias Everywhere? A Vision for Dealing with the Manipulation of Public Opinion -- Users' Perception of Search-Engine Biases and Satisfaction -- Preliminary Experiments to Examine the Stability of Bias-Aware Techniques -- Detecting Race and Gender Bias in Visual Representation of AI on Web Search Engines -- Equality of Opportunity in Ranking: A Fair-Distributive Model -- Incentives for Item Duplication under Fair Ranking Policies -- Quantification of the Impact of Popularity Bias in Multi-Stakeholder and Time-Aware Environment -- When is a Recommendation Model Wrong? A Model-Agnostic Tree-Based Approach to Detecting Biases in Recommendations -- Evaluating Video Recommendation Bias on YouTube -- An Information-Theoretic Measure for Enabling Category Exemptions with an Application to Filter Bubbles -- Perception-Aware Bias Detection for Query Suggestions -- Crucial Challenges in Large-Scale Black Box Analyses -- New Performance Metrics for Offline Content-based TV Recommender Systems. Tipo de medio : Computadora Summary : This book constitutes refereed proceedings of the Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, held in April, 2021. Due to the COVID-19 pandemic BIAS 2021 was held virtually. The 11 full papers and 3 short papers were carefully reviewed and selected from 37 submissions. The papers cover topics that go from search and recommendation in online dating, education, and social media, over the impact of gender bias in word embeddings, to tools that allow to explore bias and fairnesson the Web. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Bias and Fairness in Information Retrieval : Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, Lucca, Italy, April 1, 2021, Proceedings [documento electrónico] / Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 171 p. 40 ilustraciones, 34 ilustraciones en color.
ISBN : 978-3-030-78818-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Gestión de base de datos Sistema de administración de base de datos Clasificación: 005.7 Resumen: Este libro constituye una acta arbitrada del Segundo Taller Internacional sobre Sesgo AlgorÃtmico en Búsqueda y Recomendación, BIAS 2021, celebrado en abril de 2021. Debido a la pandemia de COVID-19, BIAS 2021 se llevó a cabo de forma virtual. Los 11 artÃculos completos y 3 artÃculos breves fueron cuidadosamente revisados ​​y seleccionados entre 37 presentaciones. Los artÃculos cubren temas que van desde la búsqueda y recomendación en citas en lÃnea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Towards Fairness-Aware Ranking by Defining Latent Groups Using Inferred Features -- Media Bias Everywhere? A Vision for Dealing with the Manipulation of Public Opinion -- Users' Perception of Search-Engine Biases and Satisfaction -- Preliminary Experiments to Examine the Stability of Bias-Aware Techniques -- Detecting Race and Gender Bias in Visual Representation of AI on Web Search Engines -- Equality of Opportunity in Ranking: A Fair-Distributive Model -- Incentives for Item Duplication under Fair Ranking Policies -- Quantification of the Impact of Popularity Bias in Multi-Stakeholder and Time-Aware Environment -- When is a Recommendation Model Wrong? A Model-Agnostic Tree-Based Approach to Detecting Biases in Recommendations -- Evaluating Video Recommendation Bias on YouTube -- An Information-Theoretic Measure for Enabling Category Exemptions with an Application to Filter Bubbles -- Perception-Aware Bias Detection for Query Suggestions -- Crucial Challenges in Large-Scale Black Box Analyses -- New Performance Metrics for Offline Content-based TV Recommender Systems. Tipo de medio : Computadora Summary : This book constitutes refereed proceedings of the Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, held in April, 2021. Due to the COVID-19 pandemic BIAS 2021 was held virtually. The 11 full papers and 3 short papers were carefully reviewed and selected from 37 submissions. The papers cover topics that go from search and recommendation in online dating, education, and social media, over the impact of gender bias in word embeddings, to tools that allow to explore bias and fairnesson the Web. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Bias and Social Aspects in Search and Recommendation : First International Workshop, BIAS 2020, Lisbon, Portugal, April 14, Proceedings Tipo de documento: documento electrónico Autores: Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 205 p. 59 ilustraciones, 46 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-52485-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Gestión de base de datos Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Comercio electrónico Sistema de administración de base de datos IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. comercio electrónico y negocios electrónicos Clasificación: 005.7 Resumen: Este libro constituye una acta arbitrada del Primer Taller Internacional sobre Sesgo AlgorÃtmico en Búsqueda y Recomendación, BIAS 2020, celebrado en abril de 2020. Debido a la pandemia de COVID-19, BIAS 2020 se llevó a cabo de forma virtual. Los 10 artÃculos completos y los 7 artÃculos breves fueron cuidadosamente revisados ​​y seleccionados entre 44 presentaciones. Los artÃculos cubren temas que van desde búsqueda y recomendación en citas en lÃnea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Facets of Fairness in Search and Recommendation -- Mitigating Gender Bias in Machine Learning Data Sets -- Why Do We Need To Be Bots? What Prevents Society From Detecting Biases in Recommendation Systems -- Effect of Debiasing on Information Retrieval -- Matchmaking Under Fairness Constraints: a Speed Dating Case Study -- Recommendation Filtering à la Carte for Intelligent Tutoring Systems -- Bias Goggles - Exploring the bias of Web Domains through the Eyes of the Users -- Data Pipelines for Personalized Exploration of Rated Datasets -- Beyond Accuracy in Link Prediction -- A Novel Similarity Measure for Group Recommender Systems with Optimal Time Complexity -- What Kind of Content are you Prone to Tweet? Multi-topic Preference Model for Tweeters -- Venue Suggestion Using Social-Centric Scores -- The Impact of Foursquare Checkins on Users' Emotions on Twitter -- Improving News Personalization through Search Logs -- Analyzing the Interaction of Users with News Articles to Create Personalization Services -- Using String-Comparison measures to Improve and Evaluate Collaborative Filtering Recommender Systems -- Enriching Product Catalogs with User Opinions. Tipo de medio : Computadora Summary : This book constitutes refereed proceedings of the First International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2020, held in April, 2020. Due to the COVID-19 pandemic BIAS 2020 was held virtually. The 10 full papers and 7 short papers were carefully reviewed and seleced from 44 submissions. The papers cover topics that go from search and recommendation in online dating, education, and social media, over the impact ofgender bias in word embeddings, to tools that allow to explore bias and fairnesson the Web. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Bias and Social Aspects in Search and Recommendation : First International Workshop, BIAS 2020, Lisbon, Portugal, April 14, Proceedings [documento electrónico] / Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 205 p. 59 ilustraciones, 46 ilustraciones en color.
ISBN : 978-3-030-52485-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Gestión de base de datos Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Comercio electrónico Sistema de administración de base de datos IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. comercio electrónico y negocios electrónicos Clasificación: 005.7 Resumen: Este libro constituye una acta arbitrada del Primer Taller Internacional sobre Sesgo AlgorÃtmico en Búsqueda y Recomendación, BIAS 2020, celebrado en abril de 2020. Debido a la pandemia de COVID-19, BIAS 2020 se llevó a cabo de forma virtual. Los 10 artÃculos completos y los 7 artÃculos breves fueron cuidadosamente revisados ​​y seleccionados entre 44 presentaciones. Los artÃculos cubren temas que van desde búsqueda y recomendación en citas en lÃnea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Facets of Fairness in Search and Recommendation -- Mitigating Gender Bias in Machine Learning Data Sets -- Why Do We Need To Be Bots? What Prevents Society From Detecting Biases in Recommendation Systems -- Effect of Debiasing on Information Retrieval -- Matchmaking Under Fairness Constraints: a Speed Dating Case Study -- Recommendation Filtering à la Carte for Intelligent Tutoring Systems -- Bias Goggles - Exploring the bias of Web Domains through the Eyes of the Users -- Data Pipelines for Personalized Exploration of Rated Datasets -- Beyond Accuracy in Link Prediction -- A Novel Similarity Measure for Group Recommender Systems with Optimal Time Complexity -- What Kind of Content are you Prone to Tweet? Multi-topic Preference Model for Tweeters -- Venue Suggestion Using Social-Centric Scores -- The Impact of Foursquare Checkins on Users' Emotions on Twitter -- Improving News Personalization through Search Logs -- Analyzing the Interaction of Users with News Articles to Create Personalization Services -- Using String-Comparison measures to Improve and Evaluate Collaborative Filtering Recommender Systems -- Enriching Product Catalogs with User Opinions. Tipo de medio : Computadora Summary : This book constitutes refereed proceedings of the First International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2020, held in April, 2020. Due to the COVID-19 pandemic BIAS 2020 was held virtually. The 10 full papers and 7 short papers were carefully reviewed and seleced from 44 submissions. The papers cover topics that go from search and recommendation in online dating, education, and social media, over the impact ofgender bias in word embeddings, to tools that allow to explore bias and fairnesson the Web. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
